我想percentile()通过 pandas 的agg()函数传递 numpy 函数，就像我在下面使用各种其他 numpy 统计函数一样。
现在我有一个看起来像这样的数据框：
AGGREGATE MY_COLUMN
A 10
A 12
B 5
B 9
A 84
B 22
我的代码如下所示：
grouped = dataframe.groupby('AGGREGATE')
column = grouped['MY_COLUMN']
column.agg([np.sum, np.mean, np.std, np.median, np.var, np.min, np.max])
上面的代码有效，但我想做类似的事情
column.agg([np.sum, np.mean, np.percentile(50), np.percentile(95)])
即，指定要从agg().
这应该怎么做？
也许不是超级高效，但一种方法是自己创建一个函数：
def percentile(n):
def percentile_(x):
return np.percentile(x, n)
percentile_.__name__ = 'percentile_%s' % n
return percentile_
然后将其包含在您的agg：
In [11]: column.agg([np.sum, np.mean, np.std, np.median,
np.var, np.min, np.max, percentile(50), percentile(95)])
Out[11]:
sum mean std median var amin amax percentile_50 percentile_95
AGGREGATE
A 106 35.333333 42.158431 12 1777.333333 10 84 12 76.8
B 36 12.000000 8.888194 9 79.000000 5 22 12 76.8
请注意确保这是应该如何完成的......
您可以agg()使用自定义函数在指定列上执行：
# 50th Percentile
def q50(x):
return x.quantile(0.5)
# 90th Percentile
def q90(x):
return x.quantile(0.9)
my_DataFrame.groupby(['AGGREGATE']).agg({'MY_COLUMN': [q50, q90, 'max']})
更具体地说，如果您只想使用 percentile 函数聚合您的 pandas groupby 结果，python lambda 函数提供了一个非常简洁的解决方案。使用问题的符号，按百分位数 95 汇总，应该是：
dataframe.groupby('AGGREGATE').agg(lambda x: np.percentile(x['COL'], q = 95))
您还可以将此函数分配给变量并将其与其他聚合函数结合使用。
试试这个 50% 和 95% 的百分位数：
column.describe(percentiles=[0.5, 0.95])
我真的很喜欢Andy Hayden 给出的解决方案，但是，这对我来说有多个问题：
这是修复这些问题的更新版本：
def percentile(n):
def percentile_(x):
return x.quantile(n)
percentile_.__name__ = 'percentile_{:2.0f}'.format(n*100)
return percentile_
我相信在 pandas 中这样做的惯用方法是：
df.groupby("AGGREGATE").quantile([0, 0.25, 0.5, 0.75, 0.95, 1])
对于您只需要一个子集describe（通常是最常见的所需统计信息）的情况，您可以只索引返回的 pandas 系列而不需要任何额外的函数。
例如，我通常发现自己只需要呈现第 25、中位数、第 75 和计数。这可以在一行中完成，如下所示：
columns.agg('describe')[['25%', '50%', '75%', 'count']]
对于指定您自己的一组百分位数，选择的答案是一个不错的选择，但对于简单的用例，不需要额外的函数。
使用方法更有效的解决方案pandas.Series.quantile：
df.groupby("AGGREGATE").agg(("YOUR_COL_NAME", lambda x: x.quantile(0.5))
有几个百分位值
percentiles = [0.5, 0.9, 0.99]
quantile_funcs = [(p, lambda x: x.quantile(p)) for p in percentiles]
df.groupby("AGGREGATE").agg(quantile_funcs)
df.groupby("AGGREGATE").describe(percentiles=[0, 0.25, 0.5, 0.75, 0.95, 1])
默认情况下，describe函数给我们mean, count, std, min, max，并且使用百分位数数组，您可以选择所需的百分位数。
只是为了将更通用的解决方案放入环中。假设您有一个只有一列要分组的 DF：
df = pd.DataFrame((('A',10),('A',12),('B',5),('B',9),('A',84),('B',22)),
columns=['My_KEY', 'MY_COL1'])
基本上可以使用一系列匿名（lambda）函数来聚合和计算任何描述性指标，例如：
df.groupby(['My_KEY']).agg( [np.sum, np.mean, lambda x: np.percentile(x, q=25)] )
但是，如果要聚合多个列，则必须调用非匿名函数或显式调用列：
df = pd.DataFrame((('A',10,3),('A',12,4),('B',5,6),('B',9,3),('A',84,2),('B',22,1)),
columns=['My_KEY', 'MY_COL1', 'MY_COL2'])
# non-anonymous function
def percentil25 (x):
return np.percentile(x, q=25)
# type 1: call for both columns
df.groupby(['My_KEY']).agg( [np.sum, np.mean, percentil25 ] )
# type 2: call each column separately
df.groupby(['My_KEY']).agg( {'MY_COL1': [np.sum, np.mean, lambda x: np.percentile(x, q=25)],
'MY_COL2': np.size})
您也可以使用 lambda 来实现相同的目的。一些类似于下面的代码：
agg(
lambda x: [
np.min(a=x),
np.percentile(q=25,a=x),
np.median(a=x),
np.percentile(q=75,a=x),
np.max(a=x)
]
)
多个函数可以调用如下：
import pandas as pd
import numpy as np
import random
C = ['Ram', 'Ram', 'Shyam', 'Shyam', 'Mahima', 'Ram', 'Ram', 'Shyam', 'Shyam', 'Mahima']
A = [ random.randint(0,100) for i in range(10) ]
B = [ random.randint(0,100) for i in range(10) ]
df = pd.DataFrame({ 'field_A': A, 'field_B': B, 'field_C': C })
print(df)
d = df.groupby('field_C')['field_A'].describe()[['mean', 'count', '25%', '50%', '75%']]
print(d)
我无法在此调用中位数，但能够使用其他功能。